|
|
|
|
ارائه رویکردی مبتنی بر بهینه‌سازی تصادفی به منظور حل مساله انتخاب سبد سهام در بازار سرمایه ایران با استفاده از الگوریتم‌های فراابتکاری
|
|
|
|
|
|
|
|
نویسنده
|
مصطفائی درمیان سبحان ,دعائی میثم
|
|
منبع
|
نظريه هاي كاربردي اقتصاد - 1400 - دوره : 8 - شماره : 4 - صفحه:253 -284
|
|
چکیده
|
در این پژوهش مساله بهینه سازی سبد سهام در شرکت های پذیرفته شده در بازار سرمایه ایران به عنوان یک مساله بهینه سازی تصادفی چندهدفه مورد بررسی قرار گرفته است. تابع هدف اول شامل کمینه سازی ریسک و تابع هدف دوم شامل بیشینه سازی بازده است. محدودیت های مدل شامل محدودیت انتخاب شرکت ها به صورت منحصربفرد و همچنین محدودیت بودجه می باشد. به منظور حل مساله، دو الگوریتم فراابتکاری ژنتیک و گرگ خاکستری توسعه داده شده که با استفاده مثال های عددی برگرفته از 491 شرکت پذیرفته شده در بورس اوراق بهادار تهران و فرابورس ایران از تاریخ 5 فروردین 1397 تا 30 آذر 1400، مورد تجزیه و تحلیل عددی قرار گرفتند. مطابق با نتایج عددی می توان مشاهده نمود الگوریتم گرگ خاکستری در تمامی مثال ها دارای کارایی بالاتری نسبت به الگوریتم ژنتیک است. البته قابل توجه است که در هیچ کدام از مثال های عددی، درصد پاسخ های ناموجه در رویه بهبود الگوریتم ها از 10.02 درصد بیشتر نشده است. همچنین درصد بهبود کارایی الگوریتم گرگ خاکستری نسبت به الگوریتم ژنتیک بین 3 تا 11 درصد گزارش شده است.
|
|
کلیدواژه
|
بهینه‌سازی سبد سهام، الگوریتم ژنتیک، الگوریتم گرگ خاکستری، بورس اوراق بهادار تهران و فرابورس ایران
|
|
آدرس
|
دانشگاه کردستان, ایران, دانشگاه آزاد اسلامی واحد اسفراین, گروه مدیریت مالی, ایران
|
|
پست الکترونیکی
|
mdoaeii@gmail.com
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Optimization of Stock Portfolio Selection in Iran Capital Market Using Meta-heuristic Algorithms
|
|
|
|
|
Authors
|
Mostafayi Darmian Sobhan ,Doaei Meysam
|
|
Abstract
|
The purpose of this study is to optimize the portfolio in companies listed on the Iran capital market (Tehran Stock Exchange and Iran Farabours) as a multiobjective optimization problem. The first objective function includes risk minimization and the second objective function includes return maximization. The limitations of the model include the limitation of selecting companies individually as well as the limitation of budget. In order to solve the problem, two genetic metaheuristic algorithms and a gray wolf have been developed, which are analyzed using numerical examples taken from 491 companies listed on the Tehran Stock Exchange and the Iran Farabours market from April 26, 2016 to December 21, 2022 were subjected to numerical analysis.According to the numerical results, it can be seen that the gray wolf algorithm has a higher efficiency than the genetic algorithm in all examples. It is noteworthy, however, that in none of the numerical examples did the percentage of unwarranted responses in the algorithm improvement procedure exceed 10.2%. Also, the percentage improvement of the gray wolf algorithm compared to the genetic algorithm is reported to be between 3 and 11%.
|
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|